红杉资本 2026 AI Ascent 大会全文精读

当认知劳动比铝还便宜，我们该何去何从？

3 位合伙人，1 个浪潮，4 个未来。

5 月 7 日，红杉资本一年一度的AI Ascent 大会在硅谷开幕。这不是又一场 AI 公司路演——这是这家一手孵化过苹果、谷歌、Stripe、英伟达的老牌风投，每年只对自家被投公司 + 顶级实验室 + 极少数被邀请人开放的内部峰会。

今年的开场白只有一句："因为我们正身处一个重要的时代。"

三位合伙人轮流上场：

帕特（Pat Grady）—— 投资负责人，开场抛出 AGI 浪潮的"形状"和创业者必须懂的MAD 框架；

索尼娅（Sonya Huang）—— AI 投资合伙人，宣告"2026 是智能体之年"，给出"智能程度滑动标尺"；

康斯坦丁（Konstantine Buhler）—— 定义认知劳动革命，用 4 个看似无关的故事，描绘出一个"异类设计、AI 热力学、人是万物尺度"的未来。

我把这场 90 分钟演讲压缩成一杯咖啡时间的文章，把里面最值得行动的判断提炼了出来呈现给大家。

第一章 · 帕特：你身处的不是又一波 AI 浪潮，是迄今为止最大的那波

1.1 三波浪潮在叠加

帕特画了一张"科技革命叠加图"：

晶体管 → 系统 → 社交媒体 / 云 → 移动设备 → 通用人工智能（AGI）

每一波浪潮都没有取代前一波，而是叠加上去。但今天这波 AGI 浪潮，和前面的都不一样——

第一，规模最大：上一个时代，软件市场总潜在市场（TAM）原本约 3500 亿美元，AGI 时代涨到 6500 亿。算上服务收入：

法律服务一个垂直领域 ≈4000 亿美元；

帕特直接报AGI的数：整个机会"5 万亿还是 50 万亿都不为过，10 万亿是个方便的整数"。

第二，软件 + 服务双重属性：以前的软件是工具，AGI 是工具 + 雇员。这是头一次。

第三，扩散最快："还没被填满的空白区域"急剧缩小，按目前速度，传统迁移需要 10 年的事情现在 1-2 年就完成。

1.2 通信革命 vs 算力革命

这里是帕特的关键洞察——大多数现场观众"只经历过通信革命"（互联网 / 移动 / 云）。但 AGI属于另一类——算力革命。

两类革命的本质区别：

类别	代表	核心	创业者要对齐什么
通信革命	互联网 / 移动 / 云	信息如何被传递	网络效应 / 平台战
算力革命	AGI	信息如何被处理	智能能力 / 客户问题

"你脚下的地基一直在变。大家赖以构建的技术基础就会随之改变。"

1.3 过去三年的三个不连续转折

帕特在白板上点了三个时间戳：

2022.11 — ChatGPT 时刻：世界第一次见到预训练规模的威力；
2024 — 推理时算力（Inference-time compute）：第二条缩放定律涌现（笔者理解为DeepSeek那一次突破）；

2026 — Claude Code 4.5 → 4.7：从能写代码到能完成长周期工程任务。

"看起来像连续体上的三个点。但从 2 到 3 之间存在明显的断层——这是不连续的变化。这就是 AGI。"

帕特是经济学出身，他不给 AGI 下技术定义，而是用商业实践定义：

"如果你能派遣一个智能体去完成一项工作——这就是 AGI。"

1.4 MAD 框架：在模型之上构建产品的三个支柱

帕特给出今年最实用的工具——MAD 框架（M-A-D）：

M = Moat（护城河）

反直觉的部分——不要关注最炫的新技术，要关注客户。

"你可能会想关注底部，因为那里总有很酷的新东西出现。你实际上应该关注顶部——因为客户的变化速度远不及技术能力的变化速度。"

在一个能力每月迭代的世界里，最稳的护城河 =围绕客户构建的程度。

A = Affordance（赋能）

借自设计领域的术语。一个有赋能的物体不需要解释——帕特讲了一个故事：他给两岁的儿子一个锤子，不需要解释怎么用，"他自己会知道怎么用"，自然会举起它到处敲。

"Claude Code 功能极其强大，但你让一个普通的财富 500 强员工打开终端试试——这不是批评 Anthropic，但它提供的赋能确实不多，因此，这对任何想在它之上构建应用的人都是机会。"

为你的特定客户的特定问题，创造阻力最小的路径。

D = Diffusion（扩散）

"能力向市场扩散的速度，远低于这些能力被创造出来的速度。"

只要基础模型的发展速度超过普通财富 500 强企业员工的吸收速度——这个扩散差距就是创业者的机会。

帕特用一个赛车比喻收尾：

"在阳光下你无法超越 15 辆车，但在雨中你可以。基础模型正带来一场新能力的倾盆大雨——任何人都有机会弯道超车。"

第二章 · 索尼娅：2026 是智能体之年（不是模型之年）

2.1 还记得 AutoGPT / BabyAGI 吗？

索尼娅一开场就让大家举手——还记得 2022 年那些 GitHub 上一夜爆红又一夜归零的智能体项目吗？

"套上一个循环……直到你看着那些智能体一次又一次地失败。有点招人喜欢，但完全没用。"

那时候模型还没准备好。但 2026 年初——

"年初的时候发生了一些真正的变化，而且它们似乎真的在发挥作用。"

代表作：Claude Code（面向技术人群） +OpenClaw 及其所有"龙虾"兄弟们（面向所有人）。智能体真正落地了。

2.2 拆解：智能体 = 模型 + 工具 + 框架

索尼娅给出 2026 版智能体定义：

智能体是一个能够感知环境、做出决策、并自主朝着目标推进的系统。

拆开看是三件套，过去一年三件全部飞速进步：

模型—— "脑"。能在不跑偏的情况下持续推进多久？一年前是十几分钟，现在已是数小时甚至数天；

工具—— "四肢"。过去 20 年我们为人类设计的所有工具（搜索、IDE、企业软件），现在完美适配并赋能智能体——它们的价值反而会迎来爆发式增长；

框架—— "持久性"。强化学习训练场、记忆系统、多智能体协作——让它们能持续行动。

"我们已经看到了自我改进的初步曙光——比如安德烈（Andrej Karpathy）的另一个研究项目，短短两小时内就自主改进出了一款达到 GPT-2 水平的模型。"

2.3 智能程度的"滑动标尺"

索尼娅画了一条横轴：

Tab代码自动补全→对话式智能体ChatBot→智能体团队管理AgentsTeam→后台异步智能体（睡后工作）→黑暗工厂

从一对一交互，一对多管理，无人监督部署，到完全自治。

她特别强调右侧两端——

"我们认为，这种异步智能体范式在总量上很可能会超越当前范式——仅仅因为系统中的杠杆效应太强了。也就是我所说的'黑暗工厂'。"

包括在网络安全公司里，无需人工监督就能直接部署到生产环境的智能体——这是完全可能的。

2.4 雇佣智能体 vs 雇佣员工

索尼娅给的经济账非常清楚——

维度	智能体	员工
招聘成本	极低	高
扩展性	通过算力无限扩展	受限
维护成本	低	高
单位时薪	Token 成本	工资

"用 Token 完成任务的成本，通常低于支付同等薪水的成本。"

她强调："这张幻灯片的重点不是说我们人类要失业——但智能体在应用层的部署，将以空前的速度和规模迅速展开，因为经济账算得太清楚了。"

她甚至大胆预测："部分原因在于雇佣智能体比雇佣员工容易得多……可能是超指数级增长。"

2.5 长周期智能体：100 天 = 100 年

索尼娅最后留了一个问题——你听过这些故事吗？

有人在假期里独自一人用 Claude Code 完成了一个三年的登月计划项目；

Notion 团队在短短 6 周内重写了 800 万行代码；

红杉资本内部有"激烈的竞赛——看谁能构建出最好的智能体来更好地完成我们的工作"。

"当你把这些压缩的时间表叠加在一起时会发生什么？无论你想象在未来 100 年内能建造什么，现在 100 天内就能实现。"

100 天 = 100 年。

第三章 · 康斯坦丁：4 个故事，看一个"非人类设计"的未来

故事 1：铝 = 智能；电解法 = AGI

1885 年，美国为乔治·华盛顿建造国家纪念碑，要在碑顶用"世界上最珍贵的金属"封顶。这个金属当时珍贵到——蒂芙尼珠宝店把它放在橱窗里展示。

那个金属是铝。

几十年后，一位年轻发明家发明了电解法，从泥土中提取铝。没过几十年，铝就变成了包裹糖果和三明治的包装纸——用完就扔进垃圾桶。

康斯坦丁的对应：

"铝就是智能，电解法就是 AGI。我们即将进入一个世界——那些曾经需要数十年才能获得的博士级技能，现在可以瞬间调用。用完之后，你甚至可以直接把它们揉成团，扔进垃圾桶里。"

故事 2：NASA 的异类天线 —— 当认知交给机器

2006 年，NASA 为一项大型太空任务优化天线设计。传统天线长得像规整的几何结构，但他们这次决定——"我们要把它交给计算机来做。"

结果计算机做出来的天线——歪扭、扭曲、看起来像被随手揉过的金属丝。对人类思维来说毫不直观——但功能性上却是最优的。

"当我们把认知交给机器时，我们将得到一些对我们来说不直观的结果。建筑、产品、组织——它们看起来可能会大不相同。我们必须保持开放的心态。"

康斯坦丁的标签：异类设计的世界（alien design）。

我们今天看到的所有产品都是围绕人类需求而设计的。但当 99.9% 的认知工作交给机器后，情况将有根本不同。

故事 3：热力学的诞生 —— AI 不是新兴技术，是基础科学的前夜

新型基础科学的前夜，它也许从你我之间诞生

康斯坦丁讲了一段你可能没听过的科学史——

工业革命早期，纽科门、瓦特这些伟大工程师在不断"摆弄"蒸汽机：往活塞里塞石油、调压力、看效率。这是修补阶段——能用，但没人知道为什么。

直到萨迪·卡诺（Sadi Carnot）出场。他没有再去改进发动机本身，而是问："这里有数以亿计的微粒——我能不能把这一切形式化成科学？"

他写下了热力学。从此发动机的设计有了第一性原理。

康斯坦丁的对应：

"现在，这里有数十亿个神经元。我们正处于人工智能的修补阶段——即使我们认为这是一门已知的科学，其实不然。我们将拥有一门像热力学一样基础的科学——在座的某位可能就会提出这门科学。它就是这么基础——甚至帮助我们掌握意识。"

我读到这段时停了很久。这不是"AI 学科"，这是属于AI 的“物理学”还没诞生。

故事 4：摄影术之后，艺术做了什么？

最后一个故事。两万五千年前的洞穴壁画 → 文艺复兴写实绘画 →摄影术发明。

那一刻，几万年间人类磨练的"完美技巧"——消失了。一个没受过训练的人按下快门，比任何画家都画得更"像"。

"人类是如何回应的呢？人类回应道——艺术的目的难道只是为了捕捉眼睛所见的瞬间吗？还是为了捕捉内心和灵魂所见的瞬间？"

新表现主义、抽象派、立体主义——全是人类对这场科学剧变的回应。

类比 AI：

"AI 可以做很多工作。但只有人与人之间的连接，能给你一个去关心的理由。人类新的探索仍然会层出不穷。"

结语：人是万物的尺度

康斯坦丁在结尾引用古希腊哲学家普罗泰戈拉的一句话：

"人是万物的尺度。"任何事物不能脱离人类——无论是铝材、艺术品、还是如今备受瞩目的智能技术——归根结底都是因为人类的体验。未来 AI 也必然会承担起更多工作。但请记住人与人之间那份深层的连接——这是我们今天齐聚一堂的原因。十年后，工作方式将发生翻天覆地的变化。但你今天与身边人建立的关系将持续下去——这才是你回首往事时会想起的。

写在最后：3 个我会带走的判断

如果让我把整场 90 分钟压缩到 3 句话发给一个还没看的朋友——

2026 不是模型之年，是智能体之年。模型层已商品化，价值堆栈在向上移到工具 + 框架 + 客户问题；
创业者更应关注顶部（客户）而非底部（技术）。能力是雨——任何人都能在雨中超车，但只有那些把自己和客户深度绑定的人能稳住；
未来 = 异类设计 + AI 热力学 + 人是万物尺度。机器会做异类的事；但为什么做、为谁做——还得是人。

全文完。约 4500 字。基于红杉资本 2026 AI Ascent 大会演讲整理，所有引述均来自现场原话。